Come abbinare un nodo di testo quindi seguire i nodi parent usando XPath

Question

Sto provando ad analizzare dell'HTML con XPath. Seguendo l'esempio XML semplificato di seguito, voglio abbinare la stringa "Testo 1", quindi prendere il contenuto del nodo rilevante content.

<doc> 
    <block> 
     <title>Text 1</title> 
     <content>Stuff I want</content> 
    </block> 

    <block> 
     <title>Text 2</title> 
     <content>Stuff I don't want</content> 
    </block> 
</doc> 

codice mio Python lancia un traballante:

>>> from lxml import etree 
>>> 
>>> tree = etree.XML("<doc><block><title>Text 1</title><content>Stuff 
I want</content></block><block><title>Text 2</title><content>Stuff I d 
on't want</content></block></doc>") 
>>> 
>>> # get all titles 
... tree.xpath('//title/text()') 
['Text 1', 'Text 2'] 
>>> 
>>> # match 'Text 1' 
... tree.xpath('//title/text()="Text 1"') 
True 
>>> 
>>> # Follow parent from selected nodes 
... tree.xpath('//title/text()/../..//text()') 
['Text 1', 'Stuff I want', 'Text 2', "Stuff I don't want"] 
>>> 
>>> # Follow parent from selected node 
... tree.xpath('//title/text()="Text 1"/../..//text()') 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "lxml.etree.pyx", line 1330, in lxml.etree._Element.xpath (src/ 
lxml/lxml.etree.c:14542) 
    File "xpath.pxi", line 287, in lxml.etree.XPathElementEvaluator.__ca 
ll__ (src/lxml/lxml.etree.c:90093) 
    File "xpath.pxi", line 209, in lxml.etree._XPathEvaluatorBase._handl 
e_result (src/lxml/lxml.etree.c:89446) 
    File "xpath.pxi", line 194, in lxml.etree._XPathEvaluatorBase._raise 
_eval_error (src/lxml/lxml.etree.c:89281) 
lxml.etree.XPathEvalError: Invalid type 

Questo è possibile in XPath? Devo esprimere ciò che voglio fare in un modo diverso?

Answer 1

Lo vuoi?

//title[text()='Text 1']/../content/text() 

Answer 2

Uso:

string(/*/*/title[. = 'Text 1']/following-sibling::content) 

Questo rappresenta almeno due miglioramenti in confronto alla soluzione attualmente accettata di Johannes Weiss:

1. L'abbreviazione molto costoso " // " (di solito causa chi il documento XML da scansionare) viene evitato come dovrebbe essere ogni volta che la struttura del documento XML è conosciuta in anticipo.

2. Non c'è ritorno indietro al genitore (il passo di locazione "/ .." è evitata)